民间采样对精确跳集是最优的:确认 $\sqrt{n}$ 壁垒
数据结构与算法
2024-04-23 v3
摘要
对于图 ,-直径缩减精确跳集是一小组附加边 ,将其加入 后保持图度量,但保证所有节点对在 中使用至多 条边的最短路径。快捷集是可达性上的类似概念。由于其在并行、分布式、动态与流图算法中的应用,这些对象自 90 年代初就被研究。在其历史大部分时间里,针对这两类对象的最先进构造是一种简单的民间算法,基于随机采样节点以命中图中的长路径。然而,Kogan 与 Parter [SODA '22] 以及 Bernstein 与 Wein [SODA '23] 近期的突破终于改进了民间直径界 (针对快捷集与 -近似跳集)。对于这两类对象,现已知道可使用 跳边将直径缩减至 。民间采样唯一未被改进的设置是针对精确跳集。这些改进能否延续?我们否定地解决了该问题,通过构造图使得任何 条边的精确跳集具有直径 。这改进了 Kogan 与 Parter [FOCS '22] 先前的下界 。利用类似思想,我们还多项式级改进了当前快捷集的下界,构造出图使得任何 条边的快捷集将直径缩减至 。这改进了 Huang 与 Pettie [SIAM J. Disc. Math. '18] 先前的下界 。我们还扩展我们的构造以提供针对其他 值的 规模精确跳集与快捷集的下界;特别地,我们表明民间采样在 的整个范围内对精确跳集是近最优的。
引用
@article{arxiv.2304.02193,
title = {Folklore Sampling is Optimal for Exact Hopsets: Confirming the $\sqrt{n}$ Barrier},
author = {Greg Bodwin and Gary Hoppenworth},
journal= {arXiv preprint arXiv:2304.02193},
year = {2024}
}
备注
Incorporated reviewer feedback, FOCS 2023